历史文化反映了人类在发展过程中的生活状态和社会活动,对于了解一个国家的文化内涵和民族精神具有重要的意义。随着中国的国际影响力显著提升,中国的历史文化引起了世界范围内的广泛关注。近年来,随着互联网的快速普及,导致历史文化领域相关的网络资源迅速增长,但由于网络中的历史文化信息多以非结构化文本的形式出现,难以直接有效利用。因此如何从海量的非结构化文本数据中抽取出结构化的语义关系,对于构建历史文化领域关系数据库具有重要的研究意义。采用word2vec词向量模型训练词向量,同时融合实体位置信息来挖掘深层次的文本语义特征。首先对历史文化领域相关的非结构化文本数据进行分句、分词等操作,并针对分词结果采用word2vec词向量模型挖掘更深层次的文本语义信息;针对词向量特征中不包含实体位置信息的问题,本文对文本实例中的词语根据与实体词之间的相对距离进行位置标注,并将位置标注特征融入到word2vec词向量特征中。实验结果表明,融合了实体位置信息的预训练词向量可以有效提高模型对实体关系特征的学习性能。为了更准确地分析文本实体对之间的语义关系,本文在双向LSTM模型的基础上,设计了一种将词级别和句子级别的注意力特征表示并行结合的注意力结构。注意力结构对LSTM输出特征进行注意力分析,使模型的输出特征中不仅包含文本的语义关系信息,还分别包含词级别和句子级别的注意力信息,从而丰富了语义关系信息的表达能力。针对双向LSTM各层神经元没有充分学习文本语义特征的问题,设计了一种基于神经元块级别注意力机制的LSTM网络结构。采用块级别注意力机制对LSTM内部神经元进行分块操作,并以块为单位对神经元特征进行注意力计算,有效提高了神经元对文本语义特征的学习能力。最后将LSTM模型的输出特征与并行注意力结构相结合,提出一种基于多重注意力机制的LSTM关系抽取模型。实验结果表明,该模型相比其他关系抽取模型提供了更加丰富的语义关系特征。